商业智能与数据挖掘论文

标准答案可以自行百度、谷歌，这里简单讲一下。所谓人工智能，就是模拟人的意识、思维和处理事情的能力（这些你听听就好别当真）。这是一个很大的领域，你能想到的所有跟“智能”相关的都可以包括在内。所谓的智能家居、智慧城市什么的都是。。。模式识别是一门学科，你可以把它当做一种处理问题的思路和方法。从名字来看，pattern recognition，首先就是”模式“，把自然界的问题抽象为一个个模式；然后”识别“，从这一点来说主要做的是分类工作（当然不仅仅是）。像是图像处理中的目标检测、分类问题就是典型的模式识别问题。数据挖掘，这个更偏应用一些了。首先是数据，这个显然要用到数据库的各种技术和理论；然后是挖掘，一般而言也就是用机器学习的方法去做。（这里要说明的是机器学习和模式识别关系很紧密的，二者本来就有很多是共通的，我也不好去下定义；某种意义上来说也都是人工智能的范畴）总结就是，人工智能是一种概念（巨大的坑。。。）；模式识别偏应用一些，有很多具体的方法；数据挖掘就更是一个应用了，使用的方法既包括本学科的也需要机器学习、模式识别方向的知识。

[市场营销]商业智能在现代企业管理中的运用 内容摘要：由于现代先进管理理念加强了人和企业文化的关注，将业务自身的决策权下放到对应的作业层也就成为了趋势。原来单纯事物处理人员现在要做与他业务相关的决策。因而作业人员也要了解相关的综合性的数据和信息。这些传统ERP却不能够提供。于是产生了新一代事物处理和分析处理相结合的应用软件。 关键字：ERP、商业智能、数据仓库、联机分析处理、数据挖掘 ERP将企业所有资源进行整合集成管理，将企业的三大流：物流，资金流，信息流进行全面一体化管理的管理信息系统。它的功能模块不同于MRP或MRPII的模块。它不仅可用于生产企业的管理，而且在许多其它类型的企业如一些非生产、公益事业的企业也可导入ERP系统进行资源计划和管理。对企业来讲，它包括四个方面的内容：生产控制(计划，制造)，物流管理(分销，采购，库存管理)和财务管理(会计核算，财务管理)和人力资源管理( 规划，工资，工时，差旅)。 一、传统ERP的运行机制 传统ERP虽然增强了与客户和供应商业务的交互和互联能力，但在计划技术基础和功能方面都不具备协调多个企业间资源的观念和能力，ERP仍旧是面向企业内部的事物处理系统。 二、现代企业对新一代ERP的需求 ERP开通后，数据虽多，但对于高层管理人员来说，能够应用的仅仅是企业运作当前状态的作业数据和浅层次的现象信息。而他们更多的需要了解综合的、历史的、反映全过程的信息，以及对若干现象的分析，以发现有助于决策的趋势和模式。限于ERP当时的历史责任的局限性，从本质上说ERP系统的中存留的是数据而不是信息，高层管理人员直接用不上。因为，传统的ERP系统只着眼于企业后台的管理，缺少直接面对客户的系统功能设计。传统的企业只是着力于对买到物美价廉的原材料，快速高效地生产出产品，至于哪种产品更受欢迎，哪些服务最有待改进这一类的问题，却往往没有确切的答案，只能凭经验臆测。在电子商务的大环境中，客户可能分散在全球各地，企业不可能对他们的情况都了如指掌，所以必须有一个系统来收集客户信息，并加以分析和利用。 三、管理的商务智能 过去10年中，ERP技术和商务智能都有重大的发展，但它们的发展道路或多或少是并行的。两者的商业判断能力都有赖于信息技术，但功能特点却各自针对于商业智能和业绩跟踪的不同方面。虽然存在类似之处，但商务智能和ERP绝对不是同一事物或是同一事物体的两个方面，而是两个互补的系统。它们最大的共性就是，使企业运行得更有效率、响应更及时并易于整合。因此，已实施了ERP的企业需要商务智能是显而易见的。 商务智能能提高行业用户在关键领域的信息获知能力及掌控精度。首先，报告格式将大大改良,整合后的用户数据无疑使报告进行得更快、更及时、更精确。其次, 信息传输也将越来越实时化，在各部门周转时间将大为减少。最后，业务处理流程当中可能出现的问题和失误也易于及时发现，从而使纠错工作更加迅速和准确。 四、新一代的ERP及其所运用的技术商业智能是对与企业决策过程相关的所有内部的和可能得到的外部数据，进行采集、清洗、汇总、综合、分析、利用和传递，使数据转换成为信息和知识的过程。商业智能BI是企业信息化的新领域和更高的层次，是企业数据的全生命周期的第二阶段。 多年来，企业一直在寻找对商业智能的理解和实现的方式，以增强企业的竞争力。商业智能代表为提高企业运营性能而采用的一系列方法、技术和软件的总和。它是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。 于是ERP集成了两种数据处理方法：传统的联机事物处理OLTP（ On-line Transaction Processing ）和新增的联机分析处理OLAP（ On-line Analytical Processing ），也就是说把作业系统和业务智能分析联结起来。ERP为业务智能分析提供了集成的数据源，OLAP对原来没有利用的数据进行分析，形成了计划—执行—分析—决策—调整的不断优化作用，构成决策和执行的闭合循环系统，更多地释放了ERP的能量，帮助企业将数据变为信息和知识。给企业以开发“金矿”的工具。将DW和OLAP技术应用在现有的ERP系统，实现了ERP在事务处理控制方面的本质飞跃。结合了DW和OLAP技术的ERP系统，强调了企业的事前控制能力，将设计、制造、销售等通过集成来并行地进行各种相关作业，为企业提供了保证质量、适应变化、客户满意、绩效等关键问题的实时分析能力。 五、现代企业管理的数据仓库 如何有效地管理企业在经营过程中所产生或收集的大量数据与信息，一直是信息管理人员所面临的一个重要的问题。20世纪70年代所出现的关系数据库在收集、存储、处理数据中发挥了重要的作用。随着市场竞争的加剧，信息系统的用户已经不满足于仅用计算机去处理日复一日的事务数据，而是需要能够支持决策的信息去帮助管理决策。这就需要一种能够将日常业务处理中所收集到的各种数据转变为具有商业价值信息的技术，而传统数据库系统已经无法承担这一任务。 传统数据库对日常事务处理十分理想，但是要给予事务处理的数据库帮助决策分析，就产生了很大的困难。其原因主要是传统数据库的处理方式和决策分析中的数据需求不相称，导致传统数据库无法支持决策分析活动。这些不相称性主要体现在决策处理中的系统响应问题，决策数据需求的问题和决策数据操作的问题。 以往的数据库是一种基础系统，严格说应该叫数据库管理信息系统。数据仓库只是它上面的一种应用系统，还有其它应用，如民航订票系统、银行ATM系统以及证券、期货交易系统等业务系统就属于OLTP。OLTP和OLAP无论是从使用方法和作用上来说都是相反的，前者是要尽快地把数据存进数据库里，后者是从数据库中提取数据，经过加工转换成规律信息供管理人员做分析用，而对速度要求不是很高。以前和现在的大部分数据库应用属于OLTP，而数据仓库应用属于OLAP，它的基础是数据库。 数据仓库Data Warehouse是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持数据分析和管理决策过程。在这个定义中，主题是数据归类的标准，每个主题对应一个客观分析领域，它可以为辅助决策集成多个部门、不同系统的大量数据。通俗来说，数据仓库是按照我们分析的对象组织的。它包含了大量的历史数据，因为经集成后进入数据仓库的数据是极少更新的。数据仓库内的数据时限一般为5年至10年，主要是用来进行时间趋势分析的。 商业智能是当前企业应用的热点。如何把商业智能应用到企业中给企业带来真正的价值，是商业智能应用真正成熟的标志。它能更好地制订战略和决策提供良好的环境，为特定的应用系统，如ERP提供数据环境和决策分析支持。当面向特定应用的特定战略和决策问题时，商业智能从数据准备做起，建立或虚拟一个集成的数据环境，在集成的数据环境之上，利用科学的决策分析工具，通过数据分析、知识发现等过程，为战略制订和决策提供支持。当然，在这整个过程中，集成的数据环境和决策分析工具是十分重要、不要缺少的。

说到人工智能，就不能不提到机器学习和深度学习。很多时候，我们得先明确人工智能与机器学习和深度学习的关系，我们才能更好地去分析和理解人工智能与数据分析和数据挖掘思维关联。人工智能与数据分析和数据挖掘的联系，更多的是机器学习与深度和数据分析与数据挖掘的关联。0.人工智能人工智能英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学研究领域的一个重要分支，又是众多学科的一个交叉学科，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括语音识别、图像识别、机器人、自然语言处理、智能搜索和专家系统等等，人工智能可以对人的意识、思维的信息过程的模拟。人工智能包括众多的分支领域，比如大家熟悉的机器学习、自然语言理解和模式识别等。1.机器学习机器学习属于人工智能研究与应用的一个分支领域。机器学习的研究更加偏向理论性，其目的更偏向于是研究一种为了让计算机不断从数据中学习知识，而使机器学习得到的结果不断接近目标函数的理论。机器学习，引用卡内基梅隆大学机器学习研究领域的着名教授Tom Mitchell的经典定义：如果一个程序在使用既有的经验E(Experience)来执行某类任务T(Task)的过程中被认为是“具备学习能力的”，那么它一定要展现出：利用现有的经验E，不断改善其完成既定任务T的性能(Performance)的特质。机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。在我们当下的生活中，语音输入识别、手写输入识别等技术，识别率相比之前若干年的技术识别率提升非常巨大，达到了将近97%以上，大家可以在各自的手机上体验这些功能，这些技术来自于机器学习技术的应用。那机器学习与数据挖掘的联系是什么呢？机器学习为数据挖掘提供了理论方法，而数据挖掘技术是机器学习技术的一个实际应用。逐步开发和应用了若干新的分析方法逐步演变而来形成的；这两个领域彼此之间交叉渗透，彼此都会利用对方发展起来的技术方法来实现业务目标，数据挖掘的概念更广，机器学习只是数据挖掘领域中的一个新兴分支与细分领域，只不过基于大数据技术让其逐渐成为了当下显学和主流。2.数据挖掘数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘本质上像是机器学习和人工智能的基础，它的主要目的是从各种各样的数据来源中，提取出超集的信息，然后将这些信息合并让你发现你从来没有想到过的模式和内在关系。这就意味着，数据挖掘不是一种用来证明假说的方法，而是用来构建各种各样的假说的方法。数据挖掘不能告诉你这些问题的答案，他只能告诉你，A和B可能存在相关关系，但是它无法告诉你A和B存在什么相关关系。机器学习是从假设空间H中寻找假设函数g近似目标函数f。数据挖掘是从大量的数据中寻找数据相互之间的特性。数据挖掘是基于数据库系统的数据发现过程，立足与数据分析技术之上，提供给为高端和高级的规律趋势发现以及预测功能；同时数据量将变得更为庞大，依赖于模式识别等计算机前沿的技术；其还有另外一个名称为商业智能(BI, Business Intelligence)，依托于超大型数据库以及数据仓库、数据集市等数据库技术来完成。主要挖掘方法有: 分类 、 估计、预测、相关性分组或关联规则、 聚类、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)等技术。3.深度学习深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。晦涩难懂的概念，略微有些难以理解，但是在其高冷的背后，却有深远的应用场景和未来。那深度学习和机器学习是什么关系呢？深度学习是实现机器学习的一种方式或一条路径。其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。比如其按特定的物理距离连接；而深度学习使用独立的层、连接，还有数据传播方向，比如最近大火的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能，让机器认知过程逐层进行，逐步抽象，从而大幅度提升识别的准确性和效率。神经网络是机器学习的一个分支，而深度学习又是神经网络的一个大分支，深度学习的基本结构是深度神经网络。4.数据分析数据分析的概念：基于数据库系统和应用程序，可以直观的查看统计分析系统中的数据，从而可以很快得到我们想要的结果；这个就是最基本的数据分析功能，也是我们在信息化时代了，除了重构业务流程、提升行业效率和降低成本之外的了。另外数据分析更多的是指从历史数据里面发现有价值的信息，从而提高决策的科学性。数据分析更侧重于通过分析数据的历史分布然后从中得出一些有价值的信息。还有一个数据分析更重要的功能，就是数据可视化。比如说，在财务系统的信息化中，基于企业的财务系统，我们可以直观获取企业现金流量表、资产负债表和利润表，这些都来自与我们的数据分析技术。数据分析目前常用的软件是Excel, R, Python等工具。在对比数据分析和数据挖掘时，数据分析则更像是对历史数据的一个统计分析过程，比如我们可以对历史数据进行分析后得到一个粗糙的结论，但当我们想要深入探索为什么会出现这个结论时，就需要进行数据挖掘，探索引起这个结论的种种因素，然后建立起结论和因素之间模型，当有因素有新的值出现时，我们就可以利用这个模型去预测可能产生的结论。因此数据分析更像是数据挖掘的一个中间过程。5.总结人工智能与机器学习、深度学习的关系严格意义上说，人工智能和机器学习没有直接关系，只不过是机器学习的方法被大量的应用于解决人工智能的问题而已。目前机器学习是人工智能的一种实现方式，也是最重要的实现方式。深度学习是机器学习比较火的一个方向，其本身是神经网络算法的衍生，在图像、语音等富媒体的分类和识别上取得了非常好的效果。数据挖掘与机器学习的关系数据挖掘主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。机器学习是数据挖掘的一种重要方法，但机器学习是另一门学科，并不从属于数据挖掘，二者相辅相成。深度学习、机器学习的发展带了许多实际的商业应用，让虚幻的AI逐步落地，进而影响人类社会发展；深度学习、机器学习以及未来的AI技术，将让无人驾驶汽车、更好的预防性治疗技术、更发达智能的疾病治疗诊断系统、更好的人类生活娱乐辅助推荐系统等，逐步融入人类社会的方方面面。AI即使是现在，也是未来，不再是一种科幻影像和概念，业界变成了人类社会当下的一种存在，不管人类是否喜欢或者理解，他们都将革命性地改变创造AI的我们人类自身。

有些公司认为，制定战略的方法就是集中公司中三到四名最好的人员，将他们锁在房子里讨论，直到得出问题的答案为止。这就是常说的“封闭的智囊团法”。另一些公司则偏爱于将其全部德高望重的管理人员集中于会议中心（或气候宜人的加勒比海小岛上）以讨论未来的计划——即“避开电话、避开一切”的方法。这两种方法都尽可能地避开日常的战术选择，试图得到长期的战略思考。显然，这两种方法都是不正确的。1．战略服从于战术正如结构要服从于功能一样，战略要服从于战术。也就是说，战术上取得成功是战略的唯一的最终目标。如果已定的战略无益于战术结果，那么，这样的战略就是错误的，而不管它有多么完美的形象与体现。战略的制定不是从上到下，而应该是自下而上的。一位将军只有深入了解战场上发生的一切，才能在制定有效的战略中处于有利的地位。战略不是来自涂有防腐剂的象牙塔中，而是生存于市场的土壤里。一个完善的战略的目的在于推动战术的运用，而没用其它别的意图。在军事活动中，一项行动计划的目的，简单地说，就是让两位士兵作好准备，愿意并且能够在一定时间和地点向唯一的敌人开战。换句话说，就是在战术上运用实力原则。重大的战略可能是大胆的、激动人心的，甚至是令人畏惧的，但如果从战术上看，它不能保证战场上的军队在准确的时间和地点完成任务，那么，这个战略就是彻底失败。就这方面而言，没有坏的战略和好的战略之分，它本身没有天生的优点。它们不像一部小说的情节或一部电影的轮廓，只等着有人给填上正确的词语和音乐。它们也不同于艺术作品需要从它们独特性、创造性和大胆的构思几方面来判断，营销战略应该从它与消费者和竞争者的联系方面来确定它们的效果。在军事战争中，一个认真学习战略的学生是从刺刀的研究开始的。卡尔·冯·克劳塞维茨他之所以成为世界上最著名的军事战略家并不是偶然的，因为他在12岁就加入了普鲁士军队，开始了他的军事生涯。他深深地懂得什么是战争，因为他经历了无数次惊心动魄的战争：在耶拿之战他被法国人俘虏了；在波罗的尼，他参加了拿破仑与沙皇的军队激战；在贝尔塞纳河畔，他目睹了历史上最悲惨的场景之一——数千名法国人被踩在哥萨克人的马蹄下；他也参加了滑铁卢大战……，他的伟大战略思想是在战火的熔炉中产生的。克劳塞维茨之所以懂得胜利的意义，因为他曾饱尝过被战败的苦难。所有伟大的军事战略家都有相似的经历，他们通过先研究战术来掌握战略，战略要服从于战术。把一门大炮装在一台内燃机的上部，再配以装甲和履带，这样你拥有了什么？坦克——相当于拿破仑时代的大炮的20世纪的武器。二次大战中最优秀的军事战略家也是从军事战术基础学起，这也许不是偶然的。1917年，小乔治·史密斯·巴顿是坎莫波罗战役中的观战者，当时，英国人发动了世界上首次大规模的坦克进攻。1918年，巴顿成为美国装甲兵第一任司令，同年后期，他率领坦克部队进入圣密哈尔前沿阵地。在1944年的诺曼底登陆和横跨法国的激烈的攻击战中，巴顿用他的坦克战术，使他的第三军打破了夺取阵地方面所有的世界纪录。尽管他有性格暴躁的缺陷，但巴顿无疑是一位精明的战略家，他在军事领域的成就应归功于克劳塞维茨的战略思想的影响。他曾说过：“我们不能先做计划，然后试图让环境来适应计划，而应该使计划适应于环境的变化。我认为，高级将领中成功与失败的差别就在于他是否具有适应环境的能力。”广告就是当今营销战中的坦克和大炮。作为一位营销战略家，只有你掌握了如何使用广告的战术，你才能摆脱艰难的不利地位。由于许多管理人员忽视了广告力量的应用，他们下令发动自杀性的进攻战以袭击掩藏着的对手，这极类似于在第一次世界大战的堑壕战中曾发生过的事。巴顿说：“敌军的背部是装甲部队极易攻击的地方，设法去攻击它。”苹果公司雇佣约翰·斯考利，不是因为他了解百事可乐的配方和如何经营瓶装工厂，而是因为他处理广告的艺术。尽管命运总与斯考利的办公计算机战略作对，但他的广告至今仍在使用，他创造的以乔治·奥威尔为主题的1984年的广告产生了其它任何一项电视信息无与伦比的巨大冲击。这并不是说人唰推销和其它营销手段过时了。在营销战中，每种武器都有其重要的作用（正如拿破仑时代的步兵的作用一样），但广告是最重要的武器，如果一个公司想赢得一场大的营销战，必须把广告处理得完美无缺。批评家引用了许多事例来证明处理不当的广告似乎并没有什么不良影响。IBM公司成功地推出了微型机，并没有因为广告中有查理·卓别林的滑稽形象而遭受损失；的确，质量差的广告对巨大的IBM公司来说只是一点小小的麻烦，但对于那些没有和IBM公司同样大实力的公司而言，低劣的广告将会决定他们的命运。2．战略容忍平庸的战术战略来源于对战术的充分理解，奇怪的是战略并不依赖于最好战术，良好的战略的精髓在于不依靠完美的战术也能够在营销战中取胜。IBM公司不需要突出的广告也能赢得微机战，因为，在这种产品投放市场前，作为第一家生产家用计算机公司的战略就保证了IBM公司的成功，这种战略使公司的战术顺利实施；而对战术的充分理解则决定了IBM公司采取这种战略。在认识到广告武器的重要性的同时，许多公司领导又错误地依赖于它，他们试图寻找广告中的绝招以保证公司在战争中取胜。有些公司把赌注下在宏大的广告计划上，希望它会挽救局势，但这样的局势很少得到挽救，道理是相当简单的；如果战略是有用的，一般的战术也可以取胜，如果需要完美的战术才能取胜，那么这个战略就不是可靠的。换句话说，既依赖于完美的战术同时又依赖于一个不可靠的战略的公司，它将在两种不同的情况下失败：①不完善的战略；②对完美战术的依赖，这在历史上很少出现。但没有什么东西是绝对的，营销战和军事战一样，命运有时与人作对。克劳塞维茨说：“局势越是无法挽回，越易遭受严重的打击”。依靠完善的战术来取胜的营销将领常常很快会抱怨武器失灵。在今天的战场上，广告是常规武器。3．战略指导战术在制定战略过程中，有些将领忽视对战术问题的研究，因此一旦战争开始，他们变得对战术问题敏感了。如果一个战略从战术的观点来看是可行的，那么战争一开始，战略就应当指导着战术。一位善战的将领应该能够忽视战术上的困难，以便加快战略目标的实现。有时，花费大量的财力去克服可能阻碍总体战略实施的困难也是必要的，例如，有时为了实现有助于总体战略成功的战术目标，不得不在短期内亏本经营。反之亦然，如果战术目标与战略相矛盾，你也许不得不缩减甚至放弃盈利产品的经营，对一味追求销售量的管理人员来说，这就会惹起许多麻烦。克劳塞维茨一贯强调战略的整体性。他很快就放弃了这一同念，即夺取某一当然的战略要地或对一个无防御的地区的占领意味着一切，除非它有利于总体行动。克劳塞维茨又提到：“正如商人不能将一笔生意的所得拿出保存起来一样，战争中的单项优势也不能和总目标相脱离。”像可口可乐这样的20世纪的贸易商有时会忘记一条19世纪商人都熟知的原则，他们愿意引进一种需求不殷的产品，如减肥可乐来出售，而当他们的泰博的生意下降时，他们又表示惊讶！记住：“单项优势不能和总目标相脱离。”产生分权式管理方法的最大原因是由于公司的战术缺乏战略指导。像产品大量扩张一样，分权式管理在短期内会产生一定的效果，但从长期看，公司注定要遭殃。国际电报电话公司就是一个恰当的例子，它最近为长期的分权式管理付出了代价。现场决策是大多数分散组织用来维护自身存在的理由。现场研究战术问题是制定切实可行的战略的基本组成部分，但它仅是一个部分，仍需要有人将各组成部分联成一个系统的整体战略。4．重点进攻在一定时期内，一项目标会控制着一个公司的战略计划，公司的资源应当优先满足这项目标的需要，这种观念可以称之为“重点进攻”。分权式管理和公司的战略缺乏整体性导致了多面进攻，这在今天的美国企业中是常见的。有些公司成功了，有些公司失败了，但没有一家能协调一致，以保证企业的长期发展。以埃克森（EXXON）公司投身办公用品系统的不幸经历为例：Qwip、Qwyx、Zilog、Vydec、Daystar、Dialog和Delphi，这些都是埃克森公司进攻办公用品市场使用的一些牌子，但它的战略表现在哪里？石油与水的组合要比石油与办公设备的组合好得多。IBM公司的微机开发与埃克森公司的盲目行动正好相反，它的微机开发有一个重要的战略目标：防止公司的主机生意受到侧面的攻击，且他们投入了大量的人力、物力用于微机开发（同样的思想使IBM公司360/370主机产品线提前出现了几十年）有些公司经常为其下属组织提供财力和物力，可在实际经营中却很少或根本就不对它们进行指导。“拿这些东西去赚钱”是采取多面进攻的公司的一般指导方针。而公司的下属组织在开始经营时，一般都倾向于对“机会目标”发动进攻。既定的目标容易捕捉，这也许是有道理的，但是，它们是否会有长远的未来呢？就拿文字处理机来说吧，当IBM公司的重点转向通用办公计算机时，文字处理机市场相对开放了，所以，兰尼亚公司、CPT公司、NBI公司以及其它一些公司迅速地进入这个市场，试图抓住这一目标，但明天这些公司将奔向何方？华纳通讯公司购买了阿特罗公司时，其长期战略是否存在？过去，这些公司的行动被时髦地称为多样化经营，实际上，他们在公然违反军事准则中最基本的东西——集中兵力。MCI公司为什么要一直与世界大公司之一的美国电报电话公司交战？并通过开设MCI邮政业务开辟了第二战场？从军事观点看，这样做毫无意义，当这项业务的经营亏损上长时，这项活动在营销方面看似乎也没有存在的意义。通用汽车公司以25亿美元从达拉斯的罗斯，波罗特手里买下了电子数据系统后，他们想干什么？可以肯定“它毫无战略意义”。如果公司采取这样的行动是偶然的，那实在是糟透了（他们提供了我们不能拒绝的机会）。要是公司放弃他们的整体战略而只发展多样化战略那就更糟了。拿索尼公司来说，据《幸福》杂志报道，它已制定了50—50的战略，即到1990年要使生产的消费品和非消费品各占50%，以取代今天的80%和20%，这样做有意义吗？不！这样只不过是把资源从获胜的战场上转移到失败的战场上，况且索尼公司是在一个非常时期——他们在消费品生意上面临着危机时做这一切。5．进攻与反攻物理定律描述到：每一对作用力都有一大小相等、方向相反的反作用力。但许多营销指挥官在制定作战计划时却好像他们的敌人没有任何反应一样，没有什么事情比它更远离事实了。可能发生的事恰恰相反：你降价50%，你的竞争对手也很可能这样做；对于每一项行动，你的竞争对手一定会做出某些反应，即使他们不能与你的最初动机完全一致。不要陷入自己的盲目行动中。一项可行的营销战略是要考虑到竞争对手的反击的，许多营销战的基本原则已认识到了反击的危险性，进攻原则之二即是：寻找并攻击领导企业实力上的薄弱环节。因为，领导企业为了阻止这样的攻击，他们不得不削弱自己的实力，这实在是他们不愿做的事情。预测市场份额变化是分析反击可能性的另一种方法，有些公司大胆地预言到他们将占有一半的市场份额，但是却没有估计到这一过程中会发生的反击，受伤的大鹰也会做出反应。要考虑到反击的存在，但与处于进攻地位的你相比，你的竞争对手将花费更多的财力，作出更大的牺牲才能保护他们所拥有的东西。6．行动并非独立于战略不论一个公司采取或准备采取什么行动，它都不能与它所体现的战略相分离，行动就是战略的体现。但是，许多营销人员认为战略与行动是可以分离的，例如，苹果公司曾声称，它打算入侵幸福500。现在苹果公司的人不能停下来自问：“我们的战略是什么？”入侵幸福500是苹果公司的战略，入侵是否成功除了考虑IBM公司的实力外，将主要取决于这项战略所产生的战术能否适用于苹果公司。当然，苹果公司可以利用营销战的基本原则（例如，在狭窄的战线上发动进攻）来增加它取胜的机会，但这些因素的作用是有限度的，更基本的战略问题是：一个拥有像苹果公司这样财产的小公司能够在IBM的老窝里与之较量吗？成功的大公司常常由于错误地理解“有志者，事竟成”的格言而陷入困境，他们经常先决定公司要达到的目的，然后分派力量制定战略以实现他们的目标。没有一个大公司有实力这样做，总有些目标是他们所无力达到的。精明的营销战略家生活在战术与实力的世界中，他们决不会因其自我意识而妨碍了判断，也决不贪图不可能的事情，更不可能发动超出合理目标范围的进攻。他们把精力集中于利用现有战术能够实现的目标上，而不是集中于宏伟的规划或空洞的幻想上。7．战略不能与战术相分离行动体现战略，战略体现战术，这是一个紧密无罅的序列，如果你想在某一点上将它割裂，你将自食其果。战术方面的知识有助于制定战略，战略使公司行动的实施成为可能。一旦行动被确定，下一步就是战略指导战术；战略与战术之间的障碍会危害整个过程。以大多数营销战的广告为例：公司通常雇佣某些代理商处理广告活动中的战术问题，但公司一般在代理商着手工作之前就制定了营销战略；换句话来说，即公司决定做什么，代理商决定如何做。这听起来如此简单和合乎逻辑，以致指出这种安排的致命缺陷似乎是不合适的。战略与战术之间人为的障碍使代理商的战术问题上的专业技能难以成为公司制定战略时的一个积极因素。为了使将来的营销战更有效，广告代理商必须更多地参与战略计划工作，或者公司必须掌握更多的广告战术，两种倾向似乎是同时发生的。可是，当今没有几家代理商知道如何将广告战术知识融进战略计划中，也没有几家公司深入掌握了广告战术。许多代理商将会强烈地拒绝有更多的战略思考的要求，因为从深层看，他们不愿对广告的成功负责，而宁愿把失败归罪于产品或销售能力。